如果（guǒ）运（yùn）营模型定义（yì）了组织如何定位人（rén）员，流程和技（jì）术以实现客（kè）户价值，那么具有AI优先运（yùn）营模型的公司就是那些优先（xiān）使用AI以便将更（gèng）多（duō）的智能和自（zì）动化（huà）编（biān）织（zhī）到公司（sī）的（de）产品，流程，和经验。

在2020年7月的梅蒂斯（sī）战略数字研（yán）讨会（huì）上从100多个全球CIO收集的数（shù）据体现了AI优先运营模式的趋势：66%的CIO表示（shì）他（tā）们有团队专注于识（shí）别AI用例，进（jìn）行试（shì）点并（bìng）扩展可改善的案例结果。在目前（qián）没（méi）有资源专注于此的CIO中，大约60%的（de）CIO表示正（zhèng）在其路线（xiàn）图上。

在与《财富（fù）》 500强公司的（de）合作中，我们确定了成功过渡到以人工智能为先的（de）组织之间的共同特征。以下（xià）是数字领导者可以采取（qǔ）的一系列明智（zhì）的第（dì）一步，以启动（dòng），加速或（huò）纠正他（tā）们的AI转换。

1.规范对人（rén）工智能的理解

火星（xīng）首席数字官Sandeep Dadlani等数字先（xiān）锋（fēng）已经采取了战略（luè）性方法来正规化对（duì）AI的（de）理解。在7月与Metis Strategy的对话中，Dadlani表示，他故意推迟了（le）正式AI课程的开发，转而采用以业务为中（zhōng）心的方（fāng）法，该方法将“帮助人们通过解决（jué）环境中（zhōng）的问题来学习。”团队接触到每个业务和市场，并首先了解需要解（jiě）决的问（wèn）题，然后（hòu）应用AI和以（yǐ）用户为中心的概（gài）念来解决它（tā）们。与高级领导者进行的（de）快速头脑风暴会议也可以帮（bāng）助加深（shēn）组织对AI的（de）理（lǐ）解。在垂直轴上使用具有AI技术（shù）（例如，有监督（dū）的机（jī）器学习，无监督的（de）机器学习，自然语言处理）的简单（dān）矩阵，以及在水平轴上具有（yǒu）业务（wù）问题的矩阵，可以用（yòng）来构建对话框架。然后，主持人描述了每种技（jì）术的可（kě）能性，高级领导（dǎo）者集思广益用例（lì）来解决现（xiàn）有的业务问题。高级领（lǐng）导（dǎo）者可以在自己的团队中重（chóng）复进行（háng）此（cǐ）练（liàn）习，以确保这种理解在整个组织中不断扩散。

2.定义人工智能（néng）如何（hé）推（tuī）动业务发展（zhǎn）并创造更多获胜方式

有（yǒu）效的策略以最简单的形式回答（dá）了两个主要问题：在哪里玩和如何（hé）获胜（shèng）。以人（rén）工智能为（wéi）先（xiān）的公（gōng）司使（shǐ）用AI创造更多（duō）的取胜方式（shì），例如（rú）提供个性化（huà）体（tǐ）验或（huò）创建（jiàn）可（kě）指数（shù）扩展的功能。作为数字化领导（dǎo）者，阐（chǎn）明人工智能（néng）与业（yè）务成果之（zhī）间的关系对于达成认可（kě）至关重要。具体而言，公司应准确定义（yì）AI计划将如何影响您的业务模型的各个方面，包括客户价值（zhí）主张（例如，客户为什么购买（mǎi）），利润（rùn）公式（例（lì）如，我们如何实现利（lì）润）以及关键资（zī）源/流程（例如（rú），如（rú）何我（wǒ）们创造并交付价（jià）值（zhí））。

知道这些问题的答案通常是为（wéi）AI计划（huá）提供初始资金的（de）先决条（tiáo）件，但是许多高管未（wèi）能以与业务产生共鸣的（de）方（fāng）式（shì）进行解释。我们建议与主要（yào）利益相关者进行一（yī）系列的一对一（yī）会议，以确保获得有（yǒu）关（guān）AI投资如何改善业（yè）务模型（xíng）和实现目标成果的清晰（xī）故事（shì）。寻找（zhǎo）有（yǒu）关AI如何改善您的业务（wù）模型的灵感吗？查看我们与AI先（xiān）驱Sherif Mityas（TGI星期五）和Vijay Sankaran（TD Ameritrade）的讨论。

3.找出将限制您的AI转型的数字（zì）基（jī）础裂缝

人工智能驱动的业务成（chéng）果的承诺吸引了高级领导者，但是技术和（hé）组织（zhī）上的僵（jiāng）化（huà）往往（wǎng）介于快速获胜和真（zhēn）正（zhèng）的（de）企业范（fàn）围内的转型之间。数字化领导者必须（xū）制定全面的路线图（tú），其中包括两（liǎng）项投资，以赢得（dé）快速（sù）胜利，同时加强数字基础。以（yǐ）下是一些有（yǒu）助于实现顺（shùn）利运行的建议（yì）：

4.摆脱部落的运作模（mó）式

大型企（qǐ）业，不（bú）管他们是否承认（rèn），通常都按照（zhào）由损益表，业务（wù）部门和职（zhí）能定义的“部（bù）落”运作。绩效激励措施与这（zhè）些部落保持一致，在（zài）进（jìn）行战略规划和资本配置活（huó）动时会产生“我们与他们（men）”的心态。这导致了（le）一个由不（bú）同（tóng）数据和应用程序组（zǔ）成的技术（shù）产（chǎn）业，每个数据和应用程序旨（zhǐ）在（zài）推动有益于某个部（bù）落的成果。人工智能（néng）优先组织超越了（le）组织（zhī）孤岛，并在标准的数（shù）字基础上积极（jí）致力于（yú）重建企业。例（lì）如，微软在其数字化转型期间将（jiāng）IT重命（mìng）名为（wéi）“核心服务”，以表示（shì）其与BU无关的纵（zòng）向，新使命（mìng），即（jí）提供组织可用来构建运行（háng）整（zhěng）个公司的流程的（de）组件。

5.集中和标准化您（nín）的数据，以全面了解客户

由于部族结构的原因，跨组织出（chū）现的（de）不同的（通常（cháng）是不兼容的（de））应用程序（xù）和（hé）数据（jù）源使连接（jiē）不同客户交互（hù）之间（jiān）的点变得（dé）困难。许多组织已（yǐ）经意识到了这一缺点，并（bìng）启动了多年计划来构建企业范围的数据平台（或（huò）“数据湖（hú）”），以吸收，关联和集成所有数据源，并开（kāi）发出客户的360度视图。借助跨组（zǔ）织过程的受信任数据源（yuán），公（gōng）司（sī）可以使（shǐ）用（yòng）监督（dū）学习算法来开发AI应（yīng）用程序，从而（ér）抢先识别（bié）可能流（liú）失的客（kè）户并主动将业（yè）务扩展到高（gāo）风险客户。